基于机器视觉的木材表面缺陷的在线检测技术研究

摘要

基于机器视觉技术和模式识别理论的木材表面缺陷检测技术，具有无损性、快速性、准确性和经济性等优点，对锯材等级分选、提高锯材商品质量和加速木材加工自动化具有非常重要的作用。
　　本文以虫眼、死节、活节三种常见木材缺陷为研究对象，对木材表面缺陷的机器视觉检测方法进行了深入的研究。主要内容包括：木材表面缺陷预处理、图像分割、特征提取、缺陷类型识别。
　　图像预处理是第一步，根据木材表面图像特点，增强锐化图像，消除噪声。图像分割是木材表面缺陷检测的关键步骤，针对传统Ostu算法和Renyi熵算法的不足，根据木缺陷这一自然纹理型事物，采用了小波重构方法对木材缺陷图像进行分割，该方法应用小波基函数在较优的分解级数上对纹理图像进行分解，然后在较好的分辨率级数上正确选取平滑图像或细节图像来重建图像，在重建图像中，均匀纹理图案被有效的移除，仅保留局部瑕疵区域。最后采用数学形态学工具，对分割后图像进行了形态学后处理，加强了分割图像的可视性和完整性，提高了缺陷提取的精确度。
　　对于木材缺陷的识别，从纹理特征(11个灰度矩阵参数)和几何特征(伸长度和矩形度)两个角度来描述缺陷。采用BP神经网络分类器进行木材缺陷的识别，识别率达到90％。
　　实验结果证明：运用机器视觉技术，根据木材表面缺陷的图像纹理特征，对木材表面的缺陷进行分割和识别处理是行之有效的途径。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究背景及意义

1.2 机器视觉简介

1.3 木材表面缺陷检测的研究现状

1.4 课题研究的内容

第2章 木材表面缺陷图像的预处理

2.1 图像预处理方法概述

2.2 木材表面缺陷特点

2.3 图像增强

2.4 图像平滑

2.5 图像锐化

2.6 本章小结

第3章 木材图像分割算法

3.1 木材阈值分割算法

3.2 木材图像纹理分割方法

3.3 图像分割后处理

3.4 本章小结

第4章 木材表面缺陷的模式识别

4.1 模式识别

4.2 木材表面缺陷原始特征的建立

4.3 木材表面缺陷特征数据的提取

4.4 BP神经网络分类器设计

4.5 本章小结

第5章 木材检测系统设计

5.1 检测原理

5.2 木材表面图像机器视觉检测系统设计

5.3 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介